Η Intron λανσάρει το Sahara-v2, ένα φωνητικό μοντέλο AI που υποστηρίζει 24 νέες αφρικανικές γλώσσες

Η Intron, μια νεοφυής εταιρεία τεχνητής νοημοσύνης με έδρα τη Λάγος, παρουσίασε επίσημα το Sahara-v2, το ναυαρχίδα μοντέλο φωνητικής τεχνητής νοημοσύνης δεύτερης γενιάς της, αυξάνοντας ουσιαστικά τον πήχη για την παγκόσμια αναγνώριση ομιλίας. Το μοντέλο υποστηρίζει 24 νέες αφρικανικές γλώσσες και κατακτά πάνω από 500 διακριτές αφρικανικές προφορές της αγγλικής, φέρνοντας τη συνολική γλωσσική κάλυψη της εταιρείας σε πρωτοφανή 57. 

Για χρόνια, η αλληλεπίδραση με παγκόσμιους φωνητικούς βοηθούς όπως η Siri, η Alexa ή τις τυπικές μηχανές μετατροπής κειμένου σε ομιλία έμοιαζε με το να μιλάς σε έναν τοίχο που θεμελιωδώς δεν μιλάει τη γλώσσα σου. Όλοι έχουμε βρεθεί εκεί, προσπαθώντας να χρησιμοποιήσουμε μια φωνητική εντολή μόνο για να δούμε μια τοπική φράση όπως "No worry, e go better" να μεταγράφεται στο παράλογο "No war eagle butter." Είναι αστείο στην αρχή, αλλά όταν το "Wanjiru" ψηφιοποιείται σε "One zero" και το "Chukwuebuka" ανεξήγητα γίνεται "Check wheelchair baker," το αστείο εξαφανίζεται γρήγορα.

Αυτές οι επαναλαμβανόμενες αποτυχίες μεταγραφής είναι περισσότερο από απλές τεχνικές γκάφες· είναι μια ενεργή μορφή ψηφιακού αποκλεισμού. Χτισμένα κυρίως σε δυτικά σύνολα δεδομένων, τα κορυφαία παγκόσμια μοντέλα τεχνητής νοημοσύνης αστοχούν εντελώς εδώ. Δεν είναι σχεδιασμένα για τον τονικό πλούτο της ομιλίας μας, όπου μια μόνο λέξη μπορεί να σημαίνει έξι διαφορετικά πράγματα ανάλογα με την προφορά. Σκοντάφτουν στη φυσική ρυθμική εναλλαγή κωδίκων μας και δεν μπορούν να κατανοήσουν ότι ένα μόνο γραφείο μπορεί να απασχολεί προσωπικό με δέκα εντελώς διαφορετικές προφορές. Όταν οι φωνητικοί βοηθοί παρεξηγούν βασικές λέξεις και ονόματα, κλειδώνουν εκατομμύρια χρήστες έξω από τις ψηφιακές συντομεύσεις που κάνουν τη σύγχρονη ζωή ευκολότερη.

Το Sahara-v2 γεφυρώνει αυτό το κρίσιμο χάσμα επειδή δεν χτίστηκε με υποθέσεις ή εκπαιδεύτηκε σε ένα ήσυχο, άσηπτο στούντιο. Η Intron κατασκεύασε αυτό το μοντέλο πηγαίνοντας στους δρόμους και ακούγοντας. Το σύνολο δεδομένων είναι τεράστιο και υπερ-εντοπισμένο: πάνω από 14 εκατομμύρια ηχητικά κλιπ, συνολικά περισσότερο από 50,000 ώρες ομιλίας, από πάνω από 40,000 ομιλητές. Αυτές οι φωνές αντιπροσωπεύουν 64 αφρικανικές και διασποράς γλώσσες σε περισσότερες από 30 χώρες. Κρίσιμο είναι ότι ηχογραφήθηκαν εκεί όπου η τεχνητή νοημοσύνη πραγματικά πρέπει να λειτουργεί, σε γεμάτες κλινικές, θορυβώδεις αγορές, πολυσύχναστα τηλεφωνικά κέντρα και δικαστήρια.

Το Sahara-v2 της Intron ξεπερνά τους ηγέτες της βιομηχανίας

Αυτή η προσέγγιση από τη βάση, του πραγματικού κόσμου, επέτρεψε στο Sahara-v2 να ξεπεράσει τα μεγαλύτερα ονόματα στην παγκόσμια τεχνολογία. Όταν συγκρίνεται με βαρύτιμα ονόματα της βιομηχανίας όπως το Gemini-3, GPT-4, Whisper, ElevenLabs, AWS και Azure, το μοντέλο της Intron παρέχει κυρίαρχα προβαδίσματα. 

Καταγράφει ποσοστό ακρίβειας καλύτερο κατά 68.6% σε αφρικανικά ονόματα, οργανισμούς και τοποθεσίες, και είναι 55.6% πιο ακριβές στη μεταγραφή αριθμών, κλασμάτων και νομισμάτων. Επιπλέον, διαθέτει 36.5% μεγαλύτερη αντίσταση στις παραισθήσεις τεχνητής νοημοσύνης που προκαλούνται από θόρυβο φόντου και επικαλυπτόμενους ομιλητές, μαζί με 46.7% αύξηση απόδοσης σε εξειδικευμένους τομείς όπως η υγειονομική περίθαλψη, το δίκαιο, οι τηλεπικοινωνίες και τα οικονομικά.

Πέρα από τα εντυπωσιακά σημεία αναφοράς, το Sahara-v2 είναι μια σοβαρή μηχανή παραγωγικότητας σχεδιασμένη για πραγματική εταιρική ανάπτυξη. Υποστηριζόμενο από ισχυρά APIs που μπορούν να αναπτυχθούν σε μόλις πέντε λεπτά, η υποδομή ήδη τροφοδοτεί ενεργά φωνητικές τραπεζικές υπηρεσίες, αυτοματοποιημένες διαδικασίες KYC και συστήματα αυτόματης συμπλήρωσης για τα πάντα, από δεδομένα υγείας έως φόρμες ανοίγματος λογαριασμού. Οι πρώτοι εταιρικοί υιοθετητές αναφέρουν ότι η τεχνολογία μειώνει τους χρόνους διοικητικής επεξεργασίας έως και 4.4 φορές.

Για να αντιμετωπίσει τις μοναδικές γλωσσικές πραγματικότητες της ηπείρου, η Intron έχει κυκλοφορήσει εξαιρετικά εξειδικευμένα περιφερειακά χαρακτηρηστικά. Σε συνεργασία με την Penda Health της Κένυας, παρουσίασαν το πρώτο δίγλωσσο μοντέλο Αυτόματης Αναγνώρισης Ομιλίας (ASR) Σουαχίλι-Αγγλικών στον κόσμο, αποτυπώνοντας τέλεια πώς οι άνθρωποι φυσικά εναλλάσσουν γλώσσες στη μέση της πρότασης. 

Για την αγορά εδώ, έχουν λανσάρει ένα εγγενές μοντέλο μετατροπής κειμένου σε ομιλία (TTS) Χάουσα, επιτρέποντας χαμηλής καθυστέρησης, 24/7 φωνητικά bots. Και για κυβερνήσεις και επιχειρήσεις που πλοηγούνται σε ανησυχίες απορρήτου δεδομένων, η κυκλοφορία του Sahara-v2 περιλαμβάνει νέα υποστήριξη εκτός σύνδεσης, επιτρέποντας στα δεδομένα να παραμένουν ασφαλή και τοπικά για συμμόρφωση κυρίαρχης τεχνητής νοημοσύνης.

Επιχειρήσεις και κυβερνητικοί πελάτες σε έξι χώρες χρησιμοποιούν ήδη το σύστημα. Ο Ayo Oluleye, Επικεφαλής Δεδομένων & Insights στην ARM Investments, σημείωσε, "Χρησιμοποιώντας μοντέλα τεχνητής νοημοσύνης της Intron, έχουμε δει σημαντική βελτίωση στις μεταγραφές και τις περιλήψεις σε σύγκριση με μοντέλα που εξερευνήσαμε προηγουμένως. Τα συστήματά τους αποτυπώνουν καλύτερα το πλαίσιο και τις αποχρώσεις, οδηγώντας σε πιο ακριβή αποτελέσματα." Η Sarah Morris, CPO στην Audere, το επιβεβαίωσε αυτό, αναφέροντας ποσοστά επιτυχίας API 99%+ και εξαιρετική ακρίβεια σε προφορές της Νότιας Αφρικής.

Παράλληλα με την κυκλοφορία του Sahara-v2, η Intron κυκλοφόρησε επίσης την εναρκτήρια Έκθεση Φωνητικής Τεχνητής Νοημοσύνης Αφρικής 2026. Η δημοσίευση προσφέρει μια ολοκληρωμένη, πρώτη στο είδος της ματιά στο οικοσύστημα, αναλύοντας τα διδάγματα που αντλήθηκαν από την ανάπτυξη φωνητικής τεχνητής νοημοσύνης σε σύνθετα περιβάλλοντα για να καθοδηγήσει νεοφυείς επιχειρήσεις, επενδυτές και υπεύθυνους χάραξης πολιτικής.

Διαβάστε επίσης: Η Google θα εκπαιδεύσει τεχνητή νοημοσύνη σε 21 αφρικανικές γλώσσες, συμπεριλαμβανομένων της Γιορούμπα, Χάουσα και Ίγκμπο

Οι νεότερες γλώσσες περιλαμβάνουν Αφρικανικά Γαλλικά, Αφρικάανς, Ακάν, Αμχαρικά, Αραβικά, Μπέμπα, Φουλάνι, Γκα, Χάουσα, Ίγκμπο, Κινιαρουάντα, Λουγκάντα, Ορόμο, Πέντι και Πίτζιν. Άλλες είναι Σεσότο, Σόνα, Σουαχίλι, Τσουάνα, Τούι, Γουόλοφ, Ζόσα, Γιορούμπα και Ζουλού. Με αυτές τις προσθήκες, η πόρτα στον ψηφιακό κόσμο τελικά ανοίγει διάπλατα. 

Όπως το έθεσε ο CEO της Intron Tobi Olatunji, "Το Sahara-v2 αποδεικνύει ότι όταν η τεχνολογία χτίζεται με βαθιά πολιτιστική και γλωσσική κατανόηση, μπορούν να συμβούν καταπληκτικά πράγματα, και μόλις ξεκινάμε."

Η ανάρτηση Η Intron λανσάρει το Sahara-v2, ένα μοντέλο φωνητικής τεχνητής νοημοσύνης που υποστηρίζει 24 νέες αφρικανικές γλώσσες εμφανίστηκε πρώτα στο Technext.